توقع تدفق حركة المصعد باستخدام SAS

التنبؤ - المصعد - حركة المرور - التدفق - باستخدام SAS
الشكل 2: متوسط ​​تدفق حركة المرور للمبنى في 15 يوم عمل

يتم استخدام برنامج نظام التحليل الإحصائي (SAS) ، ويتم التحقق من نتائجه باستخدام البيانات المقاسة.

بواسطة Xu Ruiying و Yao Lianghong و Yu Kun و Wan Jianru

كانت المباني الشاهقة والشاهقة هي اتجاهات صناعة البناء في السنوات الأخيرة. ومع ذلك ، يجب حل مشكلة المرور الرأسي. يلعب اختيار المصعد المعقول والتخلص منه دورًا مهمًا في الاستخدام الفعال لمنطقة المبنى وتوزيع تدفق الركاب بشكل معقول. نظرًا لأن التنبؤ بتدفق حركة المرور ضروري لاختيار المصعد ومحاكاة التحكم في المجموعة ، يجب التنبؤ بتدفق حركة مرور المصعد للمباني بدقة من أجل تحقيق اختيار معقول لتكوين المصعد. لذلك ، من المهم جدًا دراسة التنبؤ بتدفق حركة مرور المصاعد.[1]

تحلل هذه المقالة خصائص تدفق حركة مرور المصعد ثم تستخدم برنامج SAS للتنبؤ بتدفق حركة مرور المصعد. ثم يتم استخدام طريقة نمذجة المتوسط ​​المتحرك المتكامل التلقائي (ARIMA) لبناء نموذج التنبؤ لتدفق حركة المرور. يتم التحقق من الطريقة من خلال البيانات المقاسة لمبنى تيانجين ، الصين. يتم عرض أداء تنبؤ ممتاز من خلال مقارنة البيانات التجريبية والبيانات المقاسة. تظهر المحاكاة والنتائج التجريبية أن النموذج يمكن أن يتنبأ بشكل فعال بتدفق حركة مرور المصعد. أخيرًا ، تقدم هذه الورقة فكرة عن اختيار المصعد والتخلص منه بناءً على الدراسة.

تحليل تدفق حركة المصعد

عقارات

يعتمد تحليل تدفق حركة مرور المصعد في الغالب على نوع المبنى.[2] الهدف من هذه الدراسة هو مبنى إداري. تبدو خاصية تدفق حركة مرور المصعد لمبنى المكاتب ثابتة نسبيًا ، لأن الأشخاص في مباني المكاتب عادة ما يعملون ويستريحون بانتظام. تجعل هذه الخاصية من الممكن والضروري تحليل تدفق حركة المرور والتنبؤ به. يتم وصف تدفق حركة المصاعد بعدد الركاب وفترة حدوثها وتوزيع الركاب في كل طابق.[3] في التحليل العملي ، يمكن أن يعكس جزء فقط من هذه البيانات خصائص تدفق حركة مرور المصعد في المبنى. وتشمل هذه عدد الركاب الذين يدخلون ويخرجون من قاعة المدخل وإجمالي تدفق الركاب في المبنى لكل 5 دقائق. فترة.

تعتبر مجموعة البيانات التي يتم الحصول عليها داخل كل فترة زمنية بمثابة السلسلة الزمنية لتدفق حركة مرور المصعد. يمكن تحليل تدفق حركة المصعد والتنبؤ به من خلال جميع الطرق المستخدمة في سلسلة زمنية. تبدأ عملية التنبؤ بالبحث عن الحالة والبيانات والخبرة. بعد التحليل والحكم ، يتم بناء النموذج وفقًا لنظرية وطريقة. بعد ذلك ، يتم التحقق من النتائج ، ويتم إعادة استخدام هذه الطريقة لحل المشكلات المستقبلية.

خصائص السلاسل الزمنية

يجب معالجة السلسلة الزمنية لتدفق حركة المرور مسبقًا قبل إنشاء نموذج تدفق حركة مرور المصعد. يجب اختيار طريقة النمذجة بعد الحكم بشكل صحيح على خاصية السلسلة. تحتوي المعالجة المسبقة للسلسلة على جزأين مهمين: اختبار عشوائي ثابت واختبار عشوائي نقي. يمكن تصنيف السلاسل الزمنية على أنها أنواع مختلفة ، وتستخدم طرق مختلفة في أنواع مختلفة.

الاختبار الثابت

الدرجة التي تكون فيها السلسلة الزمنية ثابتة هي منطلق النمذجة. يتم تعريف هذه السمة بشكل عام عن طريق إحصائيات مميزة. تعتبر الخصائص الإحصائية لسلسلة زمنية يتم تحديدها من خلال مصفوفة ذات الترتيب المنخفض. لذلك ، إذا كانت المصفوفة ذات الترتيب المنخفض للسلسلة الزمنية ثابتة ، فيمكن ضمان أن تكون الخاصية الرئيسية للسلسلة ثابتة تقريبًا.

الحكم على الخاصية وفقًا للتسلسل التخطيطي والارتباطات التلقائية هما طريقتان رئيسيتان للاختبار. يُظهر الرسم التخطيطي للتسلسل لسلسلة ثابتة السلسلة وهي تلوح عشوائيًا حول ثابت في نطاق محدد. إذا أظهر مخطط التسلسل التسلسلي اتجاهًا واضحًا أو دورية ، فعادة ما تكون السلسلة غير ثابتة. يمكن الحكم على الدرجة التي تكون عندها ثابتة من خلال مخطط الارتباطات التلقائية ، لأن السلسلة الثابتة لها خاصية الارتباط قصير المدى. إلى جانب ارتفاع فترة التأخر ، سينخفض ​​الارتباط التلقائي لسلسلة ثابتة بسرعة إلى الصفر ، بينما يتناقص الارتباط التلقائي لسلسلة غير ثابتة عادةً ببطء.

اختبار العشوائية الخالص

من الضروري أيضًا معرفة أن قيم التسلسل لها ارتباط وثيق ؛ وبالتالي ، يمكن تحقيق التنبؤ عن طريق التنقيب عن المعلومات الفعالة من البيانات التاريخية من خلال النمذجة. إذا لم يكن لقيم التسلسل أي ارتباط ، يُنظر إلى السلسلة على أنها عديمة القيمة في التحليل الإحصائي. للتأكد من أن السلسلة تستحق التحليل ، يجب إجراء اختبار عشوائي خالص ، والذي عادةً ما يبني إحصاء الاختبار "Ljung-Box".

نموذج ARIMA

إذا تبين أن المعالجة المسبقة للسلسلة الزمنية لتدفق حركة مرور المصعد غير ثابتة ، فيجب أولاً تنفيذ المعالجة السلسة. بعد ذلك ، يجب تحليل الأداء وفقًا لنموذج السلاسل الزمنية الثابتة. معالجة التنعيم الفعالة والشائعة هي طريقة التشغيل التفاضلية. من المضمون ، من الناحية النظرية ، من خلال نظرية تحلل كرامر أن الترتيب الصحيح للاختلاف يجب أن يكون استخلاص معلومات حتمية بالكامل. بالنسبة للسلسلة غير الثابتة التي تعرض خصائص ثابتة بعد الاختلاف ، يتم استخدام نموذج ARIMA للتنبؤ. خطوات النمذجة هي كما يلي (الشكل 1):

الحصول على سلسلة مراقبة.

خذ الاختبار الثابت. إذا أظهرت النتيجة أن السلسلة ثابتة ، فاتخذ الخطوة 4 ؛ خلاف ذلك ، اتخذ الخطوة 3.

أوجد الاختلاف في السلسلة الأصلية.

قم بإجراء التحقق من الضوضاء البيضاء للسلسلة الثابتة. إذا أظهرت النتيجة أن السلسلة عبارة عن سلسلة ضوضاء بيضاء ، فاتخذ الخطوة 6 ؛ خلافًا لذلك ، اتخذ الخطوة 5.

قم بملاءمة طراز ARIMA مع سلسلة الضوضاء الثابتة وغير البيضاء.

نهاية.

تطبيق برمجيات SAS

تقديم برمجيات SAS

في هذا البحث ، تم بناء النموذج في برنامج SAS ، والذي يحتوي على وحدة نمطية اقتصادية وسلسلة زمنية خاصة لتحليل السلاسل الاقتصادية والزمنية. علاوة على ذلك ، فهي تتميز بلغة برمجة بسيطة ووظيفة إخراج قوية ونتائج تحليل دقيقة. تمنح القدرة العالية لتخزين البيانات لنظام SAS ميزة لا تضاهى في تحليل البيانات.

بناء نموذج في برنامج SAS

تحتوي طريقة نمذجة ARIMA على ثلاث مراحل: تحديد النموذج ، تقدير المعلمة / اختبار التشخيص والتنبؤ.[4] يتم تحقيق نموذج ARIMA في SAS من خلال عملية PROC ARIMA. يوصف شكله الأساسي على النحو التالي:

PROCARIMA DATA = مجموعة بيانات السلاسل الزمنية OUT = مجموعة بيانات التنبؤ بالمخرجات ؛

أين التعبير الشرطي: IDENTIFY VAR = متغير (...) ؛

تقدير ؛

تنبؤ بالمناخ ؛

يركض؛.

حالة التطبيق

يبدأ تدفق حركة مرور المصعد كسلسلة زمنية غير ثابتة ، ولكن يمكن أن يصبح ثابتًا بعد ترتيب اختلاف واحد. وبالتالي ، يمكن استخدام طريقة ARIMA لنمذجة تدفق حركة مرور المصعد وتناسبه.

في هذه المقالة ، سيتم دراسة تدفق ركاب المبنى على مدار 16 يوم عمل. القيم التي تم فحصها هي إجمالي عدد الركاب داخل وخارج المبنى لكل 5 دقائق. من 7 صباحًا إلى 7 مساءً تم الحصول على مائة وأربع وأربعين نقطة بيانات (الشكل 2). 

لتبسيط النموذج ، احسب متوسط ​​قيم أول 15 يومًا وفقًا لنقطة زمنية مقابلة مثل السلسلة السادسة عشر. تتضمن صلاحية النموذج ملاءمة متوسط ​​أول 16 مجموعة من البيانات مع توقع المجموعة السادسة عشرة.

اسم المتغير = x
متوسط ​​سلسلة العمل17.375
الانحراف المعياري10.74572
عدد المشاهدات144
الجدول 1: وصف متوسط ​​معلومات تدفق حركة المرور

بعد إدخال متوسط ​​القيم في البرنامج ، نحصل على عدة رسائل يتم من خلالها اكتمال تهيئة البرنامج:

  1. احصل على القيم المرصودة ، مع المعلومات الوصفية لمتوسط ​​تدفق حركة المرور الموضحة أدناه (في هذه الحالة ، الجدول 1).
  2. تحديد استقرار التسلسل: من خلال مراقبة قيم معلمات الارتباط التلقائي لمتوسط ​​تدفق حركة المرور ، يمكن العثور من نتائج التجربة على أن سرعة معامل الارتباط التلقائي المتناقصة إلى الصفر بطيئة للغاية. يكون معامل الارتباط الذاتي موجبًا في فترة التأخير الطويلة ، ثم يصبح سالبًا. ثبت أن السلسلة الزمنية لتدفق حركة المصعد تتكون من متواليات غير ثابتة.
  3. السلسلة الأصلية بحاجة إلى الاستقرار. من خلال مراقبة قيم الارتباط التلقائي بعد الاختلاف ، يمكننا أن نجد أن سلسلة بعد ترتيب اختلاف واحد لها ارتباط ذاتي قوي ، والذي يتوافق بشكل أساسي مع خاصية السلسلة الثابتة. لذلك ، يمكن اعتبار سلسلة الفروق أحادية الطلب على أنها سلسلة ثابتة.
  4. قم بإجراء اختبار الضوضاء البيضاء للتسلسل التفاضلي الثابت من الدرجة الأولى. وفقًا لمعلومات اختبار الضوضاء البيضاء ، متى а يساوي 0.05 القيمة الإحصائية P أقل من а، مما يشير إلى أن التسلسل ليس ضوضاء بيضاء.
  5. قم بملاءمة تسلسل الضوضاء الثابتة وغير البيضاء لنموذج ARIMA بعد اختلاف الترتيب الأول.
اسم المتغير = x
فترة (فترات) الاختلاف1
متوسط ​​سلسلة العمل0.006993
الانحراف المعياري3.448921
عدد المشاهدات143
تم حذف الملاحظة (الملاحظات) بالاختلاف1
الجدول 2: بيانات التسلسل التفاضلي

ثم يتم إدخال قيم التسلسل لاختبار صلاحية السلسلة ودرجة ثباتها. بمجرد الحصول على البيانات ، يمكن أن يكون نموذج ARIMA مناسبًا وتنفيذه للحصول على المعلومات المقابلة والتنبؤ بالنتيجة. بعد إدخال البيانات في برنامج النمذجة ، نتلقى عدة رسائل:

  1. يتم عرض بيانات التسلسل التفاضلي في الجدول 2.
  2. من خلال مراقبة قيم الارتباط التلقائي بعد الاختلاف ، يمكننا أن نجد أن السلسلة بعد ترتيب اختلاف واحد لها ارتباط ذاتي قوي ، والذي يتوافق بشكل أساسي مع خاصية السلسلة الثابتة. لذلك ، يمكن اعتبار سلسلة الفروق أحادية الطلب كسلسلة ثابتة.
  3. تحديد الترتيب الأمثل ، يتم عرض المعلومات المقابلة في الجدول 3. نظرًا لأن ترتيب تأخر الارتباط التلقائي وترتيب تأخر المتوسط ​​المتحرك أقل من 5 ، يظهر في ARIMA (3,0،3). لذلك تم اختيار نموذج AR (XNUMX) لبناء النموذج.
  4. بعد تحليل المعلومات بعناية وبمساعدة نظرية تقدير المربعات الصغرى ، يمكننا الحصول على الصيغة المحددة للنموذج المناسب (الجدول 4).
  5. يستخدم النموذج المناسب لإجراء تنبؤ قصير المدى. النتيجة موضحة في الجدول 4.
معيار الحد الأدنى من المعلومات
التخلفMA 0MA 1MA 2MA 3MA 4MA 5
AR02.133392.1137252.1441062.1226762.1372962.124878
AR12.106532.1163162.1414622.1277972.1170822.08291
AR22.123872.1336582.1650092.1363272.124072.110371
AR32.060322.0867832.1124962.1184522.1306922.119557
AR42.076592.0865912.1097942.125662.1571382.149176
AR52.067452.0704892.1024242.1171472.1492792.183758
نموذج سلسلة الخطأ: AR (16)
الحد الأدنى لقيمة الجدول: BIC (3,0) = 2.060321
الجدول 3: ترتيب تحديد التسلسل التفاضلي الأمثل
توقعات متغيرة x
لاحظتوقعاتخطأ تقليديو ان آكثر من 95% الثقةحدود
1452.29783.3267-4.22248.8180
1462.13324.6150-6.912111.1785
1471.92585.9233-9.683713.5353
الجدول 4: ناتج نموذج التنبؤ: القيم تمثل (lr) الرقم التسلسلي لقيمة التسلسل ، وقيمة التنبؤ ، والخطأ المعياري لقيمة التنبؤ ، وحد أدنى للثقة بنسبة 95٪ ، وحد أعلى للثقة بنسبة 95٪. يمكن الحصول على دقة التنبؤ بالنموذج من خلال مقارنة قيم التنبؤ بالبيانات العملية لليوم السادس عشر.

تظهر منحنيات تركيب النموذج والتنبؤ به في الشكل 3. ومن هذا المنطلق ، يمكننا أن نحصل على أن بيانات تدفق حركة المرور الخاصة بالتنبؤ لليوم السادس عشر تتلاءم بدقة مع البيانات العملية ، والتي تتحقق من صحة نموذج ARIMA في التركيب والتنبؤ.

 أخيرًا ، يمكن التنبؤ بتدفق حركة المرور للمبنى الجديد المماثل وفقًا لبيانات تدفق حركة مرور المصعد التاريخية للمبنى الداخلي ، مما يوفر الأساس لاختيار وتكوين المصاعد بشكل معقول. تم تحسين كفاءة النقل للمصاعد ومعدل استخدام مساحة المبنى بشكل أكبر.

الملخص

تم تحليل خصائص تدفق حركة المصعد باستخدام برنامج SAS لتحقيق نموذج ARIMA. يتم أيضًا توقع تدفق حركة المصعد بمساعدة هذا النموذج. يتم التحقق من صحة ودقة نموذج التنبؤ من خلال رسومات إخراج التنبؤ لبيانات الاختبار.

بناءً على الدراسة ، يمكن الاستنتاج أنه يمكن الحصول على مجموعة بيانات تدفق حركة مرور المصعد القيّمة من خلال طريقة معالجة البيانات لحساب المتوسط ​​في التنبؤ بتدفق حركة مرور المصعد ، وجمع بيانات حركة المرور للمبنى المشيد وحفظها. سيتم استخدام هذه البيانات للإدخال في نموذج ARIMA في التنبؤ بتدفق حركة مرور المصعد. يمكن استخدام القيم المتوقعة جنبًا إلى جنب مع معلمات البناء العملية كأساس لتكوين المصعد.

شكر وتقدير

تم دعم هذا البحث من قبل الإدارة العامة للإشراف على الجودة والتفتيش والحجر الصحي المتخصصة بتمويل البحوث الصناعية غير الربحية (رقم 201310153).

مراجع
[1] جيانرو ، وان ويوفينج ، يانغ. "بحث حول اختيار نموذج المصعد والتهيئة والتصميم الأمثل" ، China Elevator ، 2009 ، 20 (19).
[2] بارني ، جي سي ؛ دوس سانتوس ، تحليل حركة مرور المصاعد SM والتصميم والتحكم. لندن: IEE Peter Peregrinus ، 1985.
[3] هوانغ ، مين ؛ باوتونج ، كوي ؛ وشوشينغ ، جو. "تنبؤ تدفق حركة المصاعد على أساس نظرية الشبكة العصبية المويجة ،" التحكم والقرار ، 2006 ، 21 (5): 589-592.
[4] ديوين تشو. "الخصائص الإحصائية والديناميكية لحركة مرور المصاعد." مصعد الصين ، 2003 ، 14 (4): 23-27.
شو رويينج ، ياو ليانجهونج ، يو كون ، وان جيانرو

شو رويينج ، ياو ليانجهونج ، يو كون ، وان جيانرو

Xu Ruiying هو طالب دراسات عليا في جامعة Tianjin في Tianjin ، الصين. يشمل مجال اهتمامها الخاص إلكترونيات الطاقة.
Yao Lianghong هو مهندس أول في معهد Guangdong لفحص وبحوث المعدات الخاصة في Guangdong ، الصين.
يو كون هو مهندس أول في معهد قوانغدونغ لفحص وبحوث المعدات الخاصة.
وان جيانرو أستاذ بجامعة تيانجين. تشمل مجالات اهتمامه الخاصة إلكترونيات الطاقة والمحركات الكهربائية وتكنولوجيا المصاعد.

احصل على المزيد من Elevator World. اشترك في النشرة الإخبارية الإلكترونية المجانية.

الرجاء إدخال عنوان بريد إلكتروني صالح.
هناك خطأ ما. الرجاء التحقق من الإدخالات والمحاولة مرة أخرى.
الشكل 4: "وحدة طاقة مصعد الركاب Globe Hoist" من "الوحدات التي تعمل بالزيت تضمن موثوقية المصاعد الكهربائية الهيدروليكية الحديثة ، والمصاعد" (EW ، مارس 1955) بواسطة Annett

المصاعد الهيدروليكية في الخمسينيات من القرن الماضي

ماراثون مان

ماراثون مان

المصاعد ذات المناظر الخلابة في جامعة أكسفورد

منتجات الرفع التقليدية

مصعد كيخيفر

مصعد Kieckhefer

مصعد العالم - صورة احتياطية

هل الجو حار هنا؟

IAEC- المنتدى السنوي

المنتدى السنوي IAEC

صناعة العمل

عمل الصناعة

القدوم الى أميركا

المجيء إلى أميركا